CN112150392A - 一种低照度图像的修复方法及装置 - Google Patents
一种低照度图像的修复方法及装置 Download PDFInfo
- Publication number
- CN112150392A CN112150392A CN202011066273.8A CN202011066273A CN112150392A CN 112150392 A CN112150392 A CN 112150392A CN 202011066273 A CN202011066273 A CN 202011066273A CN 112150392 A CN112150392 A CN 112150392A
- Authority
- CN
- China
- Prior art keywords
- color information
- target
- image
- current
- illumination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013507 mapping Methods 0.000 claims abstract description 78
- 238000004590 computer program Methods 0.000 claims description 24
- 230000008439 repair process Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 235000014653 Carica parviflora Nutrition 0.000 description 3
- 241000243321 Cnidaria Species 0.000 description 3
- 241000227653 Lycopersicon Species 0.000 description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical group [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请适用于图像处理的技术领域，提供了一种低照度图像的修复方法，包括：获取待修复图像的当前照度等级以及当前颜色信息；获取预存的多种颜色信息之间的映射关系；根据所述映射关系，搜索在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。通过上述方案，仅需根据预存的映射关系，匹配待修复图像的当前颜色信息对应的目标颜色信息，即可修复待修复图像。与传统的图像修复方法相比，本申请无需采用数学模型对待修复图像进行修复，极大减少了处理器的计算量。
Description
技术领域
本申请属于图像处理的技术领域，尤其涉及一种低照度图像的修复方法、装置、终端设备以及计算机可读存储介质。
背景技术
随着社会经济与电子科技领域的快速发展，安防监控市场急剧扩张，各种应用场合下的监控摄像机数量越来越多。其中，由于摄像机在随着环境照度的下降，摄像机的色彩还原能力也随之降低，造成低照图像的偏色、颜色饱和度下降等问题。使得图像还原成了一个亟需解决的问题。
传统针对图像的修复方法，往往通过不同的数学模型对低照度图像进行修复。而由于多数摄像机搭载的处理器的算力较低，导致多数摄像机无法应用不同的数学模型对低照度图像进行修复或处理效率低下。
发明内容
有鉴于此，本申请实施例提供了一种低照度图像的修复方法及装置，可以解决由于多数摄像机搭载的处理器的算力较低，导致多数摄像机无法应用不同的数学模型对低照度图像进行修复或处理效率低下的技术问题。
本申请实施例的第一方面提供了一种低照度图像的修复方法，所述方法包括：
获取待修复图像的当前照度等级以及当前颜色信息；
获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息；
根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；
将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
本申请实施例的第二方面提供了一种低照度图像的修复装置，所述修复装置包括：
第一获取单元，用于获取待修复图像的当前照度等级以及当前颜色信息；
第二获取单元，用于获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息；
搜索单元，用于根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；
替换单元，用于将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
本申请实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请通过获取待修复图像的当前照度等级以及当前颜色信息；获取预存的多种颜色信息之间的映射关系；根据所述映射关系，搜索在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。通过上述方案，仅需根据预存的映射关系，匹配待修复图像的当前颜色信息对应的目标颜色信息，即可修复待修复图像。与传统的图像修复方法相比，本申请无需采用数学模型对待修复图像进行修复，极大减少了处理器的计算量。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1示出了本申请提供的一种低照度图像的修复方法的示意性流程图；
图2示出了本申请提供的另一种低照度图像的修复方法的示意性流程图；
图3示出了本申请提供的色彩还原能力的示意性流程图；
图4示出了本申请提供的一种低照度图像的修复方法的具体示意性流程图；
图5示出了本申请提供的一种低照度图像的修复方法的具体示意性流程图；
图6示出了本申请提供的另一种低照度图像的修复方法的示意性流程图；
图7示出了本申请提供的另一种低照度图像的修复方法的示意性流程图；
图8示出了本申请提供的一种低照度图像的修复装置的示意图；
图9是本发明一实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于监测到”。类似地，短语“如果确定”或“如果监测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦监测到[所描述条件或事件]”或“响应于监测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
随着摄像机行业的发展，摄像机应用在不同环境中。为了解决一些不利环境因素给相机成像带来的影响，多数摄像机采用自动修复技术，以减轻不利环境带来的影响。传统的自动修复技术多数采用数学模型进行自动修复，例如：采用神经网络模型去除噪声、提高图像亮度。而大部分摄像机因设备体积以及成本因素的限制，多数采用低算力的处理器，导致处理器无法支持较大计算量的模型。
有鉴于此，本申请实施例提供了一种低照度图像的修复的方法及装置，可以解决上述技术问题。
请参见图1，图1示出了本申请提供的一种低照度图像的修复方法的示意性流程图。
如图1所示，该方法可以包括如下步骤：
步骤101，获取待修复图像的当前照度等级以及当前颜色信息。
照度用于指示光照的强弱和物体表面积被照明程度的量，单位为勒克斯(Lux或Lx)。本申请中的照度可以是图像的亮度、相机曝光增益或外置的照度传感器测量环境亮度等。为了更好地解释本申请的技术方案，本申请以图像的亮度为照度，对本申请的技术方案进行解释说明。
具体地，所述获取待修复图像的当前照度等级，包括：获取所述待修复图像的当前照度值。根据所述当前照度值所属的所述照度值区间，匹配所述待修复图像的当前照度等级。
处理器获取多个预设照度等级，预设照度等级是指固定照度范围内的多个照度值区间，例如：将0勒克斯至1勒克斯设定为一级照度、将1勒克斯至2勒克斯设定为二级照度以及将2勒克斯至3勒克斯设定为二级照度等。处理器获取待修复图像的当前亮度值(即当前照度值)，并根据当前亮度值所属的照度值区间，匹配待修复图像的当前照度等级。
其中，当环境的照度较低时，采集的待修复图像与正常照度的目标图像相比往往存在颜色失真或色偏等缺陷。故本申请基于待修复图像的颜色信息，对待修复图像进行修复处理。
首先，处理器获取待修复图像的照度等级以及当前颜色信息。其中，当前颜色信息可以是整个待修复图像的颜色信息，例如：饱和度、色温或色调等。当前颜色信息还可以是待修复图像中每个像素的颜色信息。
优选地，所述获取待修复图像的当前颜色信息，包括：获取待修复图像中每个像素的当前颜色信息。
由于在现实环境中，应用场景众多，例如：晴天环境、雨天环境或阴天环境在不同时刻的饱和度、色温或色调都不相同。应用场景无穷无尽，故通过调整饱和度、色温或色调修复图像的泛化能力较差，无法适应不同的应用场景。而单个像素采用的颜色信息是一个有限集合(例如，在YUV模式中“Y”、“U”以及“V”有限的不同组合值，表现出不同颜色)，各种应用场景的颜色种类(例如：红黄蓝绿紫白灰黑)有限。相对于饱和度、色温或色调而言，是一种微观的修复手段，可应用于所有应用场景。故本申请通过处理器获取待修复图像中每个像素的当前颜色信息，以针对每个像素进行修复处理。
其中，本申请采用的色彩模式包括但不限于HSB模式、YUV模式、CMYK模式以及Lab模式等。为了更好地解释本申请的技术方案，本申请以YUV模式为例，对本申请的技术方案进行解释说明。
YUV模式分为三个分量，“Y”表示明亮度(Luminance或Luma)，也就是灰度值。而“U”和“V”表示的则是色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色。可以理解的是，当前照度等级是根据“Y”得到。当前颜色信息是根据“U”和“V”得到。
步骤102，获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息。
目标照度是指在此照度等级下，摄像机能采集正常的颜色信息，即图像不存在色差或色差较小。非目标照度是指在此照度等级下，摄像机无法采集到正常的颜色信息，即图像色差较大。其中，当前照度等级为非目标照度等级，当前颜色信息为非目标颜色信息。
由于同一种颜色在不同照度下，摄像机采集的颜色存在偏差。例如，红色在目标照度下产生的目标颜色信息(YUV值)为珊瑚红(117.7,30.6,96.4)，当红色在不同非目标照度下产生的非目标颜色信息(YUV值)分别为印度红(42.6,19,47.6)、番茄红(26.2,35.1,43.1)或砖红色(34.5,38.9,53.6)等。故在非目标照度等级下产生的非目标颜色信息与在目标照度等级下产生的目标颜色信息之间存在对应关系，可建立非目标颜色信息与目标颜色信息之间的映射关系，修复待修复图像。
步骤103，根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息。
处理器根据映射关系，匹配在当前照度等级下当前颜色信息对应的目标颜色信息。例如，在一级照度下印度红(42.6,19,47.6)对应的目标颜色信息为珊瑚红(117.7,30.6,96.4)，在二级照度下番茄红(26.2,35.1,43.1)对应的目标颜色信息为珊瑚红(117.7,30.6,96.4)，在一级照度下番茄红(26.2,35.1,43.1)对应的目标颜色信息为镉红(123.4,11.5,14.3)。
步骤104，将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
处理器将当前颜色信息替换为目标颜色信息，得到修复后的目标图像，以修复低照度环境下产生的色彩缺陷。
具体地，步骤104，具体包括：将每个所述像素的当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
需要强调的是，在本申请是基于色彩信息对待修复图像进行修复处理。而传统的修复方式，往往是基于场景亮度以及噪声分布情况进行修复处理。故本申请提升了待修复图像在色彩维度上的还原。
在本实施例中，获取待修复图像的当前照度等级以及当前颜色信息；获取预存的多种照度下颜色信息之间的映射关系；根据所述映射关系，搜索在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。通过上述方案，仅需根据预存的映射关系，匹配待修复图像的当前颜色信息对应的目标颜色信息，即可修复待修复图像。与传统的图像修复方法相比，本申请无需采用数学模型对待修复图像进行修复，极大减少了处理器的计算量。
可选地，在上述图1所示实施例的基础上，在所述获取待修复图像的当前照度等级以及当前颜色信息之前，还包括如下步骤，请参见图2，图2示出了本申请提供的另一种低照度图像的修复方法的示意性流程图。本实施例中步骤204和步骤207，与图1所示实施例中步骤101至步骤104相同，具体请参阅图1所示实施例中步骤101至步骤104的相关描述，此处不赘述。
如图2所示，该方法可以包括如下步骤：
步骤201，获取多个预设照度等级；多个所述预设照度等级是指固定照度范围内的多个照度值区间。
处理器获取多个预设照度等级，以根据待修复图像的当前照度值所属的照度值区间，匹配待修复图像的当前照度等级。
其中，多个预设照度等级是指按照梯度均等划分出的多个等级。其中，梯度用于表示照度值区间的大小，每个预设照度等级的照度值区间距离相同。例如：固定照度范围为0勒克斯至1勒克斯，当梯度为0.001勒克斯时，则划分的初始照度等级为100个。
由于照度的取值范围比较大，例如：取值范围可以从0勒克斯至上万勒克斯。若划分预设照度等级的梯度较小，例如，梯度为1勒克斯，则预设照度等级的数量为上万个，映射关系的数量也随之增加，不仅占用较多的存储空间，也需要占用较多处理器算力。若划分预设照度等级的梯度较大，虽然占用的存储空间以及处理器算力较少，但是照度间隔较大，导致映射精度低。其中，由于摄像机对色彩的还原能力随照度下降趋于平缓。请参见图3，图3示出了本申请提供的色彩还原能力的示意图。如图3所示，横轴代表照度值(即YUV模式中的“Y”)，纵轴代表色彩度(即YUV模式中的“U”和“V”)，两条曲线分别代表“U”通道以及“V”通道的色彩度变化情况。由图3可知随着照度值的上升，摄像机对色彩的还原能力趋于平缓。梯度太高或太低，都容易导致映射精度较低。故梯度的取值需要进行权衡，以获取最佳的梯度。本申请采取的权衡方式如下：
具体地，步骤201，具体包括如下步骤，请参见图4，图4示出了本申请提供的一种低照度图像的修复方法的具体示意性流程图。
步骤2011，按照不同梯度对所述固定照度范围进行均等划分，得到每个梯度对应的多个初始照度等级；所述梯度用于表示照度值区间的大小。
处理器分别将固定照度范围按照每个梯度均等划分为多个初始照度等级。例如：固定照度范围为0勒克斯至1勒克斯，当梯度为0.01勒克斯时，则划分的初始照度等级为100个，当梯度为0.1时，则划分的初始照度等级为10个。
步骤2012，基于同一个样本图像，获取所述样本图像在所述初始照度等级下产生的负样本图像；获取所述样本图像在目标照度等级下产生的正样本图像。
获取一张在目标照度下产生的样本图像，并将样本图像作为正样本图像。获取样本图像在多个初始照度等级下产生各自对应的负样本图像。相较于正样本图像，负样本图像由于照度因素，存在一定色差，故可作为负样本图像。
其中，初始照度等级为照度值区间，即初始照度等级对应多个照度值。获取样本图像在初始照度等级下产生的负样本图像时，可以获取照度值区间中的任意值作为初始照度等级对应的照度值，进而得到初始照度等级下产生的负样本图像。优选地，可将照度值区间中的中位数作为初始照度等级对应的照度值。
步骤2013，通过所述正样本图像以及所述负样本图像，训练初始模型，得到每个梯度对应的目标模型。
处理器通过正样本图像以及负样本图像，训练初始模型，得到每个梯度对应的目标模型。
具体地，步骤2013，具体包括如下步骤，请参见图5，图5示出了本申请提供的一种低照度图像的修复方法的具体示意性流程图。
步骤2013a，将所述负样本图像输入初始模型中，得到由所述初始模型输出的输出图像。
步骤2013b，将所述输出图像与所述正样本图像的颜色信息进行对比，得到对比结果。
步骤2013c，根据所述对比结果，调整所述初始模型中的参数，得到所述目标模型。
循环执行步骤2013a至步骤2013c，得到每个梯度对应的目标模型。
步骤2014，获取多个所述目标模型中误差最小的第一目标模型；所述误差是指所述第一目标模型的输出图像与所述正样本图像之间的颜色信息差距。
由于每个梯度对应的映射精度存在差异。故多个目标模型也具有不同的误差。其中，所述误差是指第一目标模型的输出图像与所述正样本图像之间的颜色信息差距。
处理器获取多个目标模型中误差最小的第一目标模型。
步骤2015，将所述第一目标模型对应的梯度的多个初始照度等级作为多个所述预设照度等级。
可以理解的是，误差最小的第一目标模型对应的梯度的多个初始照度等级，映射精度最佳，故可将第一目标模型对应的梯度的多个初始照度等级作为多个预设照度等级。
步骤202，获取所述待修复图像的当前照度值。
步骤203，根据所述当前照度值所属的所述照度值区间，匹配所述待修复图像的当前照度等级。
步骤204，获取所述待修复图像的当前颜色信息。
步骤205，获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息。
步骤206，根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息。
步骤207，将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
在本实施例中，通过按照不同梯度对所述固定照度范围进行均等划分，得到每个梯度对应的多个初始照度等级；基于同一个样本图像，获取所述样本图像在所述初始照度等级下产生的负样本图像，获取所述样本图像在目标照度等级下产生的正样本图像；通过所述正样本图像以及所述负样本图像，训练初始模型，得到每个梯度对应的目标模型；获取多个所述目标模型中误差最小的第一目标模型；将所述第一目标模型对应的梯度的多个初始照度等级作为多个所述预设照度等级。通过上述方案得到映射精度最佳的预设照度等级，进而提高了图像修复效果。
可选地，在上述图1所示实施例的基础上，在所述获取预存的多个映射关系之前，还包括如下步骤，请参见图6，图6示出了本申请提供的另一种低照度图像的修复方法的示意性流程图。本实施例中步骤603和步骤606，与图1所示实施例中步骤101至步骤104相同，具体请参阅图1所示实施例中步骤101至步骤104的相关描述，此处不赘述。
如图6所示，该方法可以包括如下步骤：
步骤601，获取每种颜色在目标照度等级下产生的目标颜色信息和在多个非目标照度等级下产生的各自对应的非目标颜色信息。
由于同一种颜色在不同照度下，摄像机采集的颜色存在偏差，且偏差符合一定规律，即非目标颜色信息与目标颜色信息之间存在映射关系。故处理器获取每种颜色在目标照度等级下产生的目标颜色信息和在多个非目标照度等级下产生的各自对应的非目标颜色信息，并建立每种颜色的目标颜色信息与多个非目标颜色信息之间建立映射关系，进而修复待修复图像。
步骤602，将每种颜色的所述目标颜色信息与多个所述非目标颜色信息之间建立映射关系。
步骤603，获取待修复图像的当前照度等级以及当前颜色信息。
步骤604，获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息。
步骤605，根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息。
步骤606，将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
在本实施例中，通过获取每种颜色在目标照度等级下产生的目标颜色信息和在多个非目标照度等级下产生的各自对应的非目标颜色信息；将每种颜色的所述目标颜色信息与多个所述非目标颜色信息之间建立映射关系。通过上述方案，建立目标颜色信息与非目标颜色信息之间的映射关系，以根据预存的映射关系，修复待修复图像。无需采用数学模型对待修复图像进行修复，极大减少了处理器的计算量。
可选地，在上述图6所示实施例的基础上，在所述将每种颜色的所述目标颜色信息与多个所述非目标颜色信息之间建立映射关系之后，还包括如下步骤，请参见图7，图7示出了本申请提供的另一种低照度图像的修复方法的示意性流程图。本实施例中步骤701、步骤702、步骤704、步骤705和步骤707，与图6所示实施例中步骤601至步骤606相同，具体请参阅图6所示实施例中步骤601至步骤606的相关描述，此处不赘述。
步骤701，获取每种颜色在目标照度等级下产生的目标颜色信息和在多个非目标照度等级下产生的各自对应的非目标颜色信息。
步骤702，将每种颜色的所述目标颜色信息与多个所述非目标颜色信息之间建立映射关系。
步骤703，将所述映射关系转化为映射表；所述映射表用于匹配在当前照度等级下当前颜色信息对应的目标颜色信息。
上述图6所示实施例中的处理流程的执行主体可以是外部处理器或内部处理器。其中，当外部处理器得到映射关系后，传输至摄像机中的存储器，以供内部处理器处理器修复待修复图像。涉及到映射关系的存储和传输，为了便于存储和传输，故本实施例将映射关系转化为映射表。
步骤704，获取待修复图像的当前照度等级以及当前颜色信息。
步骤705，获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息。
步骤706，根据所述映射表，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息。
步骤707，根据所述映射表，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息。
在本实施例中，通过将映射关系转化为映射表，以映射表的形式进行图像修复。利于存储和传输目标颜色信息与非目标颜色信息之间的映射关系。
如图8本申请提供了一种低照度图像的修复装置8，请参见图8，图8示出了本申请提供的一种低照度图像的修复装置的示意图，如图8所示的修复装置包括：
第一获取单元81，用于获取待修复图像的当前照度等级以及当前颜色信息；
第二获取单元82，用于获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息；
搜索单元83，用于根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；
替换单元84，用于将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
本申请提供的一种低照度图像的修复装置，通过获取待修复图像的当前照度等级以及当前颜色信息；获取预存的多种颜色信息之间的映射关系；根据所述映射关系，搜索在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。通过上述方案，仅需根据预存的映射关系，匹配待修复图像的当前颜色信息对应的目标颜色信息，即可修复待修复图像。与传统的图像修复方法相比，本申请无需采用数学模型对待修复图像进行修复，极大减少了处理器的计算量。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图9是本发明一实施例提供的一种终端设备的示意图。如图9所示，该实施例的一种终端设备9包括：处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92，例如一种低照度图像的修复的程序。所述处理器90执行所述计算机程序92时实现上述各个一种低照度图像的修复的方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，所述处理器90执行所述计算机程序92时实现上述各装置实施例中各单元的功能，例如图8所示单元81至84的功能。
示例性的，所述计算机程序92可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器91中，并由所述处理器90执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序92在所述一种终端设备9中的执行过程。例如，所述计算机程序92可以被分割成获取单元和计算单元各单元具体功能如下：
第一获取单元，用于获取待修复图像的当前照度等级以及当前颜色信息；
第二获取单元，用于获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息；
搜索单元，用于根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；
替换单元，用于将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
所述一种终端设备9可以无线路由器、无线网关或无线网桥等网络设备。所述一种终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是一种终端设备9的示例，并不构成对一种终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述一种终端设备9的内部存储单元，例如一种终端设备9的硬盘或内存。所述存储器91也可以是所述一种终端设备9的外部存储设备，例如所述一种终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述一种终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述一种终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种低照度图像的修复方法，其特征在于，所述修复方法包括：
获取待修复图像的当前照度等级以及当前颜色信息；
获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息；
根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；
将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
2.如权利要求1所述修复方法，其特征在于，所述获取待修复图像的当前颜色信息，包括：
获取待修复图像中每个像素的当前颜色信息；
所述将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像，包括：
将每个所述像素的当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
3.如权利要求1所述修复方法，其特征在于，在所述获取待修复图像的当前照度等级以及当前颜色信息之前，还包括：
获取多个预设照度等级；多个所述预设照度等级是指固定照度范围内的多个照度值区间；
所述获取待修复图像的当前照度等级，包括：
获取所述待修复图像的当前照度值；
根据所述当前照度值所属的所述照度值区间，匹配所述待修复图像的当前照度等级。
4.如权利要求3所述修复方法，其特征在于，所述获取多个预设照度等级，包括：
按照不同梯度对所述固定照度范围进行均等划分，得到每个梯度对应的多个初始照度等级；所述梯度用于表示照度值区间的大小；
基于同一个样本图像，获取所述样本图像在所述初始照度等级下产生的负样本图像；获取所述样本图像在目标照度等级下产生的正样本图像；
通过所述正样本图像以及所述负样本图像，训练初始模型，得到每个梯度对应的目标模型；
获取多个所述目标模型中误差最小的第一目标模型；所述误差是指所述第一目标模型的输出图像与所述正样本图像之间的颜色信息差距；
将所述第一目标模型对应的梯度的多个初始照度等级作为多个所述预设照度等级。
5.如权利要求4所述修复方法，其特征在于，所述通过所述正样本图像以及所述负样本图像，训练初始模型，得到每个梯度对应的目标模型，包括：
将所述负样本图像输入初始模型中，得到由所述初始模型输出的输出图像；
将所述输出图像与所述正样本图像的颜色信息进行对比，得到对比结果；
根据所述对比结果，调整所述初始模型中的参数，得到所述目标模型。
6.如权利要求1所述修复方法，其特征在于，在所述获取预存的多个映射关系之前，还包括：
获取每种颜色在目标照度等级下产生的目标颜色信息和在多个非目标照度等级下产生的各自对应的非目标颜色信息；
将每种颜色的所述目标颜色信息与多个所述非目标颜色信息之间建立映射关系。
7.如权利要求6所述修复方法，其特征在于，在所述将每种颜色的所述目标颜色信息与多个所述非目标颜色信息之间建立映射关系之后，还包括：
将所述映射关系转化为映射表；所述映射表用于匹配在当前照度等级下当前颜色信息对应的目标颜色信息。
8.一种低照度图像的修复装置，其特征在于，所述修复装置包括：
第一获取单元，用于获取待修复图像的当前照度等级以及当前颜色信息；
第二获取单元，用于获取预存的映射关系；所述映射关系是指同一种颜色在目标照度等级下产生的目标颜色信息与在非目标照度等级下产生的非目标颜色信息之间的对应关系；所述非目标照度等级包括所述当前照度等级；所述非目标颜色信息包括所述当前颜色信息；
搜索单元，用于根据所述映射关系，匹配在所述当前照度等级下所述当前颜色信息对应的目标颜色信息；
替换单元，用于将所述当前颜色信息替换为所述目标颜色信息，得到修复后的目标图像。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011066273.8A CN112150392B (zh) | 2020-09-30 | 2020-09-30 | 一种低照度图像的修复方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011066273.8A CN112150392B (zh) | 2020-09-30 | 2020-09-30 | 一种低照度图像的修复方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112150392A true CN112150392A (zh) | 2020-12-29 |
| CN112150392B CN112150392B (zh) | 2024-03-19 |
Family
ID=73952388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011066273.8A Active CN112150392B (zh) | 2020-09-30 | 2020-09-30 | 一种低照度图像的修复方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112150392B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113018698A (zh) * | 2021-02-26 | 2021-06-25 | 上海联影医疗科技股份有限公司 | 单粒子翻转修复方法、装置、放疗系统、电子设备及介质 |
| CN113822826A (zh) * | 2021-11-25 | 2021-12-21 | 江苏游隼微电子有限公司 | 一种低照度图像亮度增强方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100128049A1 (en) * | 2008-11-25 | 2010-05-27 | General Electric Company | Method and system for visualizing monochromatic images in color hue |
| CN104364820A (zh) * | 2012-10-08 | 2015-02-18 | 皇家飞利浦有限公司 | 具有颜色约束的亮度改变图像处理 |
| CN106663313A (zh) * | 2014-06-13 | 2017-05-10 | 艾里斯泰克软件股份有限公司 | 图像的显示中以及与之有关的改进 |
| KR101917094B1 (ko) * | 2017-08-29 | 2018-11-09 | 전남대학교산학협력단 | 매핑테이블을 이용한 고속 스모그/저조도 영상 개선 방법 및 장치 |
| CN109697698A (zh) * | 2017-10-20 | 2019-04-30 | 腾讯科技（深圳）有限公司 | 低照度增强处理方法、装置和计算机可读存储介质 |
| CN110211070A (zh) * | 2019-06-05 | 2019-09-06 | 电子科技大学 | 一种基于局部极值的低照度彩色图像增强方法 |
| WO2019227355A1 (zh) * | 2018-05-30 | 2019-12-05 | 华为技术有限公司 | 一种图像处理方法及装置 |
| CN110648296A (zh) * | 2019-09-24 | 2020-01-03 | Oppo广东移动通信有限公司 | 一种瞳孔颜色修正方法、修正装置、终端设备及存储介质 |
| CN111062891A (zh) * | 2019-12-16 | 2020-04-24 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及计算机可读存储介质 |
| CN111294575A (zh) * | 2020-01-19 | 2020-06-16 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN111539975A (zh) * | 2020-04-09 | 2020-08-14 | 普联技术有限公司 | 一种运动目标的检测方法、装置、设备及存储介质 |
-
2020
- 2020-09-30 CN CN202011066273.8A patent/CN112150392B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100128049A1 (en) * | 2008-11-25 | 2010-05-27 | General Electric Company | Method and system for visualizing monochromatic images in color hue |
| CN104364820A (zh) * | 2012-10-08 | 2015-02-18 | 皇家飞利浦有限公司 | 具有颜色约束的亮度改变图像处理 |
| CN106663313A (zh) * | 2014-06-13 | 2017-05-10 | 艾里斯泰克软件股份有限公司 | 图像的显示中以及与之有关的改进 |
| KR101917094B1 (ko) * | 2017-08-29 | 2018-11-09 | 전남대학교산학협력단 | 매핑테이블을 이용한 고속 스모그/저조도 영상 개선 방법 및 장치 |
| CN109697698A (zh) * | 2017-10-20 | 2019-04-30 | 腾讯科技（深圳）有限公司 | 低照度增强处理方法、装置和计算机可读存储介质 |
| WO2019227355A1 (zh) * | 2018-05-30 | 2019-12-05 | 华为技术有限公司 | 一种图像处理方法及装置 |
| CN110211070A (zh) * | 2019-06-05 | 2019-09-06 | 电子科技大学 | 一种基于局部极值的低照度彩色图像增强方法 |
| CN110648296A (zh) * | 2019-09-24 | 2020-01-03 | Oppo广东移动通信有限公司 | 一种瞳孔颜色修正方法、修正装置、终端设备及存储介质 |
| CN111062891A (zh) * | 2019-12-16 | 2020-04-24 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及计算机可读存储介质 |
| CN111294575A (zh) * | 2020-01-19 | 2020-06-16 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN111539975A (zh) * | 2020-04-09 | 2020-08-14 | 普联技术有限公司 | 一种运动目标的检测方法、装置、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| SHUJING LIAO等: "Low illumination color image enhancement based on improved Retinex", 《2017 SOCIETY OF PHOTO-OPTICAL INSTRUMENTATION ENGINEERS (SPIE)》, 15 November 2017 (2017-11-15), pages 1 - 9, XP060098656, DOI: 10.1117/12.2295105 * |
| 余大彦: "多源图像的融合方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 8, 15 August 2018 (2018-08-15), pages 138 - 631 * |
| 张光明 等: "医药供应链创新模式及路径", 《物流科技》, vol. 43, no. 2, 10 February 2020 (2020-02-10), pages 135 - 138 * |
| 张德钧: "基于Faster R-CNN和多光谱图像的漂浮HNS检测与分类研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 1, 15 January 2020 (2020-01-15), pages 034 - 1533 * |
| 蒋一纯 等: "基于亮度通道细节增强的低照度图像处理", 《激光与光电子学进展》, vol. 58, no. 4, 21 September 2020 (2020-09-21), pages 91 - 99 * |
| 陈迎春 等: "基于色调映射的快速低照度图像增强", 《计算机工程与应用》, vol. 56, no. 9, 28 June 2019 (2019-06-28), pages 234 - 239 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113018698A (zh) * | 2021-02-26 | 2021-06-25 | 上海联影医疗科技股份有限公司 | 单粒子翻转修复方法、装置、放疗系统、电子设备及介质 |
| CN113018698B (zh) * | 2021-02-26 | 2023-03-28 | 上海联影医疗科技股份有限公司 | 单粒子翻转修复方法、装置、放疗系统、电子设备及介质 |
| CN113822826A (zh) * | 2021-11-25 | 2021-12-21 | 江苏游隼微电子有限公司 | 一种低照度图像亮度增强方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112150392B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110830795B (zh) | 一种图像传感器坏点检测方法、装置及电子设备 | |
| CN112073703B (zh) | 一种色彩校正矩阵的调整方法、装置、终端设备及介质 | |
| CN110572637B (zh) | 图像异常的检测方法、终端设备及存储介质 | |
| CN102450019B (zh) | 图像处理装置、图像生成系统、方法及程序 | |
| CN110691226B (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
| CN113168669B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
| CN102867295B (zh) | 一种彩色图像颜色校正方法 | |
| CN108093183B (zh) | 一种摄像机日夜模式切换方法及终端设备 | |
| CN112150392B (zh) | 一种低照度图像的修复方法及装置 | |
| CN107360418B (zh) | 一种全景相机颜色一致性评判系统及方法 | |
| CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
| CN111491149B (zh) | 基于高清视频的实时抠像方法、装置、设备及存储介质 | |
| CN111369486A (zh) | 一种图像融合处理方法及装置 | |
| WO2013114803A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
| CN114913109A (zh) | 图像异常检测方法、装置、测试图卡和终端设备 | |
| Wang et al. | Measuring perceptual color differences of smartphone photographs | |
| JP5899894B2 (ja) | 撮像装置、画像処理装置、画像処理プログラムおよび画像処理方法 | |
| CN111539975B (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
| JP2003199119A (ja) | ディジタルｃｆａ画像処理方法 | |
| CN110648297A (zh) | 图像去雾方法、系统、电子设备和存储介质 | |
| CN114460862A (zh) | 应用于adas的摄像设备环测试仿真方法 | |
| CN112203064B (zh) | 一种不同照度颜色映射关系的构建方法及装置 | |
| Garud et al. | A fast color constancy scheme for automobile video cameras | |
| CN114049732A (zh) | 一种变电站视频监控方法、系统及存储介质 | |
| WO2013114802A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |